液压故障智能诊断技术探讨

1、 液压故障智能诊断技术机密探讨 黄志坚 裘丽华 （北京航空航天大学303教研室 100037）摘要：专家系统与神经网络是液压智能诊断的主要途径。智能诊断的发展方向是系统的不断完善和提高学习能力，组合化，开发容错智能系统，以及进一步实用化等。人工智能技术将与先进的信息技术紧密结合，并使智能诊断系统性能更佳。关键词： 液压 故障 智能 诊断Abstract：Expert system and artificial neural net are main intelligence diagnosis ways for hydraulics failures. The developing direc

2、tion of intelligence diagnosis are the performances improvement and increasing learning abilities, combination, developing intelligence fault tolerating system, more utilities etc. The artificial intelligence will combine with advantaged information technology closely, and result the progress of int

3、elligence diagnosis.Key words： Hydraulic Failure Intelligence Diagnosis neural net 1 智能诊断概述 智能诊断是人工智能技术在设备故障诊断领域中的应用，它是计算机技术和故障诊断技术相互结合与发展进步的结果。智能诊断的本质特点是模拟人脑的机能，有效地获取、传递、处理、再生和利用故障信息，成功地识别和预测诊断对象的状态。人工智能（artificial intelligence）是智能诊断技术的核心，它是计算机科学的前沿研究领域。 在液压技术领域，智能诊断的对象主要是：构成与控制机理复杂的液压系统、连续运行的液压系统、

4、高精度与高可靠性的液压系统等，连轧机液压系统、火力发电汽轮机液压系统、飞行器液压系统等属这类系统，其故障的多样性、突发型、成因的复杂性、危害的严重性等使得仅靠人工诊断难以及时顺利地完成。液压泵与伺服阀等关键元件，因其重要性和复杂的故障机理也是智能诊断的主要对象11。智能诊断的主要任务是找出症状可能原因中的真正原因并指出其存在可能性的大小，判断失效的严重程度，预测劣化的趋势，识别故障模式，解释故障机理等。智能诊断技术既能模拟人脑处理各类模糊信息，又具有人脑所不及的高的运算速度；它能根据诊断的误差自动修正诊断的模型，并具备自动获取知识的能力和适应环境变化的能力。但智能诊断离不开人的参与，相互间需要

5、信息交流与积极配合，以至形成人-机联合诊断的功能，实现对多故障、多过程、突发性故障的快速实时诊断和早期诊断的目标。 2 智能诊断的主要方式当前研究最活跃的智能诊断的一个分支是专家系统（expert system）。专家系统以其知识的永久性、共享性和易于编辑等人类专家所不具有的特点得到人们的普遍重视和利用。80年代以来，专家系统的研究和应用取得迅猛发展，使人工智能从学科研究走向实际应用的重大突破。特别是在产生式专家系统中，知识是用规则显式地表达的，这种知识通常是系统性、理论性较强的逻辑知识，因此求解结果可靠性高。而且由于知识是显式的，使其具有很好的解释能力。然而专家系统的发展遇到了知识获取的“瓶

6、颈”、“窄台阶”等困难，使其支持能力受到较大的限制。最新发展的以非线性大规模连续时间模拟并行分布处理为主流的神经网络理论为人工智能的发展开避了一条崭新的途径。人工神经网络（artificial neural net）是利用神经网络所具有的容错能力、学习功能、联想记忆功能、分布式并行信息处理较好地解决了传统方法在知识表示、获取和并行推理等问题上的“瓶颈”问题。特别人工神经网络不需要事先组织大量产生式规则，也不需要进行树搜索，使系统开发周期大大减少并提高了求解速度。专家系统和神经网络是当前研究人工智能的两种主要方法，这两种方法都有各自的功效和不足。基于神经网络的系统并不能完全取代专家系统的符号处理

7、功能。从人类的知识过程来看，符号信息处理是人类专家思维活动的重要形式，是认识事物的结果与表现。基于神经网络的专家系统方法模拟人类形象思维，是一种非逻辑、非语言、非静态、非局域、非线性信息处理方法。在故障诊断过程中，两类诊断方法是并存的。当要求快速诊断时，往往采用经验性较强的形象思维方式；但大多数情况下，人们解决问题还是逻辑推理为主，它通过症状和故障之间逻辑关系的分析和运算最终给出严密、准确的解。此外，智能诊断还与系统辨识、模式识别、模糊理论、灰色系统理论等密切相关。系统辨识是用系统的输入输出数据所提供的信息来建立系统的数学模型。液压系统的动态特性都反映在其输入输出数据中，所以用系统辨识方法所获

8、得的模型能较准确地反映系统的实际状况。文献12介绍了用系统辨识的方法诊断轧机液压系统故障的实例。模式识别是指识别出给定物体所模仿的标本。人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式，是对人类感知外界功能的模拟。计算机模式识别系统具有接受外界信息、识别和理解对象的能力。模式识别是常用的故障诊断方式。液压设备的运行状态由无故障到带故障运行往往是一个渐变过程，在此间它既不是完全的“完好”也不是完全的“故障”，而是处于一个中间状态；设备表现出来的症状也是如此。因此，设备的各种征兆和各种故障值是一种模糊值。模糊诊断的方法是通过某些征兆的隶属度来求出各种故障原因的隶属度。模糊诊断原则用来

9、诊断对象所具有的故障，一般采用的诊断原则有最大隶属度原则、阈值原则、择近原则等。文献8与9介绍了注塑机液压系统与元件故障模糊诊断与预测的实例。模糊逻辑理论和神经网络技术在知识表示、知识存贮、推理速度及克服知识窄台效应等方面起到了很大的作用，其中模糊逻辑主要模仿人脑的逻辑思维，具有较强的结构性知识表达能力；神经网络模仿人脑神经元的功能，具有强大的自学习能力和数据的直接处理能力。因此有必要将两者结合起来形成模糊神经网络。液压故障的灰色诊断可通过灰色关联度分析的途径来实现，这是一种整体的比较方法，它是灰色系统理论分析和随机量处理的一种方法，也是一种从数据到数据的映射。故障分析的过程如图1所示。文献1

10、5介绍了伺服缸故障灰色诊断的实例。 图1 灰色诊断过程3 智能诊断的发展方向31 诊断系统的不断完善专家系统存在一些局限性，人们正积极寻找解决这些局限性的方法，包括采取机器学习的方法解决知识获取的瓶颈问题；在浅层知识的基础上增加深层知识，以增强系统的适应性和强壮性；采取多种知识表示方法及多种求解策略来改进系统的灵活性；采取并行处理和分布式系统结构来改进其实时性等。神经网络的改进主要是在神经网络模型本身的改进和采用模块化的神经网络诊断策略这两方面展开。机器学习已成为人工智能的核心，人们正着力于提高智能系统的学习能力，并期望由此克服知识获取瓶颈问题、知识脆弱性问题、知识库过于庞大和非结构性问题、求

11、解方法单一问题、系统直觉判断能力差的问题等。机器的学习经历过神经元模型的研究、符号学习的研究、连接学习的研究等三个阶段，目前已进入到符号学习与连接学习相结合的研究阶段。学习的方法主要是机械学习、示例学习和解释学习等。人工智能的努力方向是实现系统的开放性、结构性、有效性、工作机构与学习机构的正反馈性、系统的相互作用性等。32 通过组合化改进系统由于智能诊断的各种方法本身存在这样或那样的缺点，各种方法相互融合、取长补短将是一个重要的发展方向。专家系统的知识处理模拟的是人的逻辑思维，人工神经网络的知识处理所模拟的是人的经验思维（即模式类比，也叫形象思维）机制。在人类智能活动中，最常发生的是经验思维，

12、当经验思维解决不了问题时，通常要转向更深一层次的逻辑思维，如果问题更加复杂，就需要转向创造性思维。这三种思维形式结合起来的诊断模式如图2所示。 图2 组合故障智能诊断方案32提高控制系统的容错性所谓容错（fault tolerance）性，就是系统的冗余能力，即在某些部件发生故障的前提下，系统仍能按原定性能指标完成控制任务的能力。容错控制由故障识别与故障调节（重构）两部分组成。由于控制系统可能发生的故障具有多样性，采用控制器重构或完整性控制器设计等方法很难对故障系统实施良好的控制。同时，当发生了故障，系统经重新组织后所实施的新的控制器一般难以与故障系统动态特性相匹配，因而会导致控制实效。另外，

13、由于某些故障具有不可预测性和模糊性，采用一般容错控制器无法进行控制。因此，利用人工智能的研究成果开发基于专家系统和基于神经网络的容错系统，将是未来人工智能研究的一个热点。基于专家系统的故障容错控制系统结构如图3所示。 图3 基于专家系统的故障容错控制系统 33进一步实用化目前从事智能诊断研究的人不少，但投入实际应用的系统却不多。因此，液压故障智能诊断的实用化研究开发还要做大量的工作。一方面，要进一步克服知识处理方面业已存在的瓶颈。同时，要注重人机界面的友好。另外，要争取广大领域专家共同开发智能诊断系统，将从故障诊断实践中总结出来的技术策略与技巧理论化，并转化为智能诊断的知识。文献6提出了“假设

14、验证相结合、”“化整为零与聚零为整相结合”、“抓住关键顺藤摸瓜”等一系列诊断策略，为构建专家系统提供了丰富的领域知识。4 智能诊断与先进的信息技术信息技术在迅速发展，这必将对故障诊断技术产生深刻的影响，智能诊断系统与先进信息技术结合起来已成趋势，应用于智能诊断的先进信息技术主要如下：41多媒体技术多媒体（multimedia）技术应用于测控系统，可实现信息媒体的多样化。它是各种不同信息转换的集成，最后把数值、文字、声音、图形、图像有机地结合实际在一起综合表现出来。它更能满足人与系统的实时性信息交换。它更具可视性：包括监测对象的视频图像、运算过程数据及传感器信号微弱信号的可视化转换等，能快速直观

15、反映过程状态的检测结果，采用高速运算结合实际工艺的诊断监测算法，便于系统作出统计，显示趋势，提供操作指导和决策参考。42 Internet/Intranet技术Internet/Intranet的发展，使其在测控领域的应用日益受到关注。利用Internet/Intranet技术可将必要监测信息送到企业内任意的PC机或移动计算机的屏幕上。利用简单的HTML（超文本链结标示语言）文本，使用通用的Web浏览器，可在通用的接口下显示来自监控和数据采集系统和其它软件系统的信息。目前很多Web服务器软件提供了对关系型数据库的访问方法，有些通用数据库也将数据发布为HTML格式，以供Web访问。因此可通过We

16、b技术访问数据库和获取系统信息。决策、维修人员可以在任意远程或局域网上观测实时的测控信息，并实现网上远程诊断。43 信息融合技术信息融合（information fusion）是多元信息处理的的一项新技术，它能将来自某一目标的多源信息加以智能化的合成，产生比单一信息更精确、更完全的估计和判决。一组相似的传感器采集的信息存在冗余性，这种冗余信息的适当融合可以在总体上降低信息的不确定性。不同类型的传感器采集的信息具有明显的互补性，这种互补性经过适当处理后可以补偿单一传感器的不准确性和测量范围的局限性。多传感器集成可以增加系统的可靠性。信息融合技术也可用来更迅速、更经济地获取多种信息。故障诊断是一个

17、多源信息融合过程。为充分利用所提供的信息，可对各监测量进行诊断，再将其结果加以综合，此为局部融合；然后将局部诊断结果进一步综合，就是全局诊断融合，这一过程如图4所示。 图4 故障诊断信息融合过程 44 智能传感器所谓智能化传感器是指以专用微处理器控制的具有双向通信功能的先进传感器系统。微处理器能够按照给定的程序对传感器实施软件控制，把传感器从单功能变成多功能，包括数据处理与通讯、自适应、自补偿、自校正、自诊断、远程设定、状态组合、信息存储和记忆等功能16。全数字式智能化传感器，能消除许多与模拟电路有关的误差源(例如测量回路中勿需用A/D和D/A变换器)，从而能明显提高测量准确度。目前的智能化传

18、感器多是压力、加速度、温度、流量等。智能化传感器由多片模块组成，其中包括微传感器、微处理器、微执行器和接口电路，它们构成一个闭环工作微系统，并有数字接口与更高一级的计算机控制相连，可利用专家系统中得到的算法对微传感器提供更好的校正与补偿。将上述先进信息技术应用于智能诊断，将拓展诊断系统的感知空间，提高其信息传递的能力，优化其结构，改进其多种性能。显然，更好地利用与衔接先进的信息技术将是智能诊断研究开发的一项重要任务。参考文献1 吴今培 肖建华 智能故障诊断与专家系统 科学出版社 19972 周东华 叶银忠 现代故障诊断与容错控制 清华大学出版社 20003 蔡自兴 徐光佑 人工智能及其应用 清华大